Pilot: Welke inzichten geven (NEAR/Azira) GPS data?
Thema: Home
Welke mogelijkheden bieden bewegings- en herkomstdata van bezoekers op basis van GPS-data?
Bewegings- en herkomstdata van bezoekers op basis van GPS (Global Positioning Systems) data, bieden relatief nieuwe mogelijkheden om een beter beeld te krijgen van toeristen en recreanten in termen van aantallen, herkomst, bewegingen in tijd en ruimte, druktebeelden/intensiteiten, spreiding in tijd en ruimte. Hoewel de data beschikbaar zijn, is de bruikbaarheid van de data op grote schaal om bezoeker- en toerismestromen in beeld te brengen nog niet integraal onderzocht. Middels een data pilot zijn de mogelijkheden bekeken van NEAR data, één van de aanbieders van GPS data. De resultaten van de pilot zijn nu beschikbaar.
Achtergrond
Om inzicht te krijgen in hoe bezoekers zich spreiden in tijd en ruimte, kan gebruikt gemaakt worden van GPS data. Er zijn momenteel enkele aanbieders op de markt die GPS data aanbieden, waarvan de twee bekendste Resono en NEAR Intelligence zijn (nu Azira). Waar Resono data over Nederlanders aanbiedt, bevat NEAR data van Nederlanders én buitenlanders. Resono data worden al op diverse plekken in Nederland gebruikt. De mogelijkheden met NEAR data waren tot nu nog niet veelvuldig onderzocht.
NEAR data betreffen GPS bewegingsdata die door verschillende applicaties (apps) op de mobiele telefoons van gebruikers verzameld wordt. Hier geven de gebruikers toestemming voor. De data kopen NEAR van de verschillende apps, in totaal gaat het om duizenden apps.
Doel pilot
Het doel van de pilot is om de GPS data van NEAR Intelligence (nu Azira) te gebruiken om de herkomst van bezoekers te kunnen bepalen en om druktebeelden te creëren ten behoeve van inzichten die relevant zijn voor spreiding in tijd en ruimte.
Opzet pilot
De uitvoering lag bij een projectteam bestaande uit toerisme-experts van het European Tourism Futures Institute (ETFI) van NHL Stenden Hogeschool en medewerkers van DataFryslan, een coöperatie van publieke partijen in Friesland, gericht op data science. In aanloop naar dit project heeft ETFI samengewerkt met amsterdam&partners, Toerisme Veluwe Arnhem Nijmegen en NBTC. De pilot bestond uit een verkenning van de mogelijkheden van de data, beoordeling van de kwaliteit van de data, het analyseren van data, en de inzichten die de data geeft. Het project is uitgevoerd in de periode november 2023 tot april 2024.
Resultaat
Tijdens de uitvoering van de datapilot werden verschillende datasets verkend en geanalyseerd. Het duurde ook even voordat er een bruikbare dataset beschikbaar kwam om de juiste analyses uit te voeren. De omvang van de data was enorm door de grote hoeveelheden aan bewegingsdata. Hieruit blijkt dat het bepalen van het detailniveau en de drempelwaarde (minimumaantal waarnemingen) van de data essentieel zijn om de juiste inzichten te krijgen. Het hoogste detailniveau van NEAR data geeft inzicht in de bezoekers op locatie, ter grootte van een parkeerautomaat, maar zal minder bezoekers registreren dan data op een lager detailniveau. Een heel laag detailniveau geeft daarentegen weer zoveel datapunten, waardoor analyseren van de bewegingen van de bezoekers erg lastig wordt. De analyse richtte zich op het identificeren van bezoekersstromen binnen steden en regio’s. De data werden gevisualiseerd met tools zoals QGIS en Kepler GL en er werden verschillende lessen geleerd over de bruikbaarheid en beperkingen van de data.
Learnings
De meeste uitdagingen van de pilot lagen bij het verkrijgen van een bruikbare dataset. De belangrijkste leerpunten uit de pilot zijn onder andere:
- Drempelwaarde en detailniveau bepalen cruciaal. Het is belangrijk om de juiste drempelwaarde (min. aantal waarnemingen) en detailniveau te kiezen voor de GPS data.
- Samenwerken voor betere duiding van data. Het verkrijgen van bruikbare data vereist nauwe samenwerking met partners. De samenwerkingen met NEAR en andere gebruikers van NEAR-data waren essentieel om de juiste datasets te verkrijgen en te begrijpen hoe de data gegeneerd en gebruikt kan worden.
- Beperkingen van de data. De pilot benadrukt de beperkingen van GPS data. De data geven een beeld van een relatieve drukte op basis van app gebruikers, maar kan niet de exacte aantallen bezoekers weergeven. Verdere analyses en vergelijkingen met andere datasets, zoals parkeerdata of verkoopcijfers is aanbevolen om de betrouwbaarheid en bruikbaarheid van de data te verbeteren.
- Kennis, kunde en infrastructuur is nodig om grote hoeveelheden data te kunnen verwerken. Het werken met ruwe NEAR data is complex gezien de grote hoeveelheden bewegingsdata. Dit vraag om specialistische data (science) kennis om met deze data te kunnen werken.
- Gerichte onderzoeksvragen noodzakelijk om juiste inzichten te krijgen. Door de grote dataset is het belangrijk om vooraf gerichte onderzoeksvragen op te stellen. Zomaar in de data-analyses gaan en kijken welke inzichten je er dan uithaalt, is onbegonnen werk.
Vervolgstappen
Vanuit de pilot hebben we geleerd dat het gebruik van NEAR data complex kan zijn. Bij het gebruik van de data is toetsing van de data erg belangrijk. In de pilot zijn enkele analyses uitgevoerd, maar de dataset biedt nog veel meer analysemogelijkheden. De druktedata zijn volledig beschikbaar via de Azure Databank en toegankelijk via PowerBI. In verband met de omvang zijn de herkomstdata momenteel alleen gedeeltelijk toegankelijk. Omdat de herkomstdata zeer omvangrijk zijn, kan deze beter worden opgeknipt in kleine sets. Verder zal een analyse van betrouwbaarheid, relevantie en het eventueel vergelijken of eiken met andere datasets (NL Verplaatsingspanel) via Phyton moeten plaatsvinden. Het onderwijs en DMO’s kunnen de data gebruiken om in gezamenlijkheid de bruikbaarheid van de data verder te toetsen en use-cases te kunnen genereren.
Meer weten? Neem contact op met: stefan.hartman@nhlstenden.com.
Projectleiding
Het European Tourism Futures Institute (ETFI) van NHL Stenden was projectleider van deze pilot.
De resultaten van de pilot zijn hier te vinden.
Download de resultaten (pdf)